Vsa vsebina iLive je pregledana ali preverjena, da se zagotovi čim večja dejanska natančnost.
Imamo stroge smernice za pridobivanje virov in samo povezave do uglednih medijskih strani, akademskih raziskovalnih institucij in, kadar je to mogoče, medicinsko pregledanih študij. Upoštevajte, da so številke v oklepajih ([1], [2] itd.) Povezave, ki jih je mogoče klikniti na te študije.
Če menite, da je katera koli naša vsebina netočna, zastarela ali drugače vprašljiva, jo izberite in pritisnite Ctrl + Enter.
Umetna inteligenca lahko napoveduje prognozo pri trojno negativnem raku dojk
Zadnji pregled: 02.07.2025
Raziskovalci na švedskem inštitutu Karolinska so preučevali, kako dobro lahko različni modeli umetne inteligence napovedujejo prognozo trojno negativnega raka dojke z analizo določenih imunskih celic znotraj tumorja. Študija, objavljena v reviji eClinicalMedicine, je pomemben korak k uporabi umetne inteligence pri oskrbi bolnikov z rakom za izboljšanje zdravja bolnikov.
Tumor-infiltrirajoči limfociti so vrsta imunskih celic, ki igrajo pomembno vlogo v boju proti raku. Ko so prisotni v tumorju, to pomeni, da imunski sistem poskuša napasti in uničiti rakave celice.
Te imunske celice so lahko pomembne za napovedovanje, kako se bo bolnica s tako imenovanim trojno negativnim rakom dojke odzvala na zdravljenje in kako bo bolezen napredovala. Vendar pa se lahko rezultati ocenjevanja imunskih celic razlikujejo, ko to počnejo patologi. Umetna inteligenca (UI) lahko pomaga standardizirati in avtomatizirati ta postopek, vendar je bilo težko dokazati, da UI deluje dovolj dobro za uporabo v zdravstvu.
Primerjava desetih modelov umetne inteligence
Raziskovalci so preizkusili deset različnih modelov umetne inteligence in primerjali njihovo sposobnost analize limfocitov, ki infiltrirajo tumor, v trojno negativnih vzorcih tkiva raka dojke.
Rezultati so pokazali, da se modeli umetne inteligence razlikujejo v svoji analitični učinkovitosti. Kljub tem razlikam je osem od desetih modelov pokazalo dobro napovedno sposobnost, kar pomeni, da so lahko na podoben način napovedali prihodnje zdravstveno stanje pacientov.
"Tudi modeli, usposobljeni na manjšem številu vzorcev, so pokazali dobro napovedno sposobnost, kar kaže na to, da so limfociti, ki infiltrirajo tumor, zanesljiv biomarker," je dejal Balázs Aç, raziskovalec na Oddelku za onkologijo in patologijo na Karolinskem inštitutu.
Potrebna je neodvisna raziskava
Študija kaže, da so za primerjavo različnih orodij umetne inteligence in zagotovitev njihove kakovosti pred uporabo v zdravstvu potrebni veliki nabori podatkov. Čeprav so rezultati obetavni, je potrebna dodatna validacija.
»Naša študija poudarja pomen neodvisnih študij, ki posnemajo klinično prakso v resničnem svetu,« pravi Balazs Aç. »Samo s takimi preizkusi smo lahko prepričani, da so orodja umetne inteligence zanesljiva in učinkovita za klinično uporabo.«